# Jev モデル解説：API 料金、用途、すぐに使える接続方法

> Jev モデル解説：Jev 1.14 は jev-latest で提供中。入力100万 token あたり $0.042、出力無料、API キー1つ。

- Canonical HTML: https://omniakey.com/ja/blog/jev-model-explained
- Markdown: https://omniakey.com/ja/blog/jev-model-explained.md
- Published: 2026-09-19 (updated 2026-10-24)
- Author: Kiki, COO at OmniaKey
- Language: ja
- Category: Guide
- Reading time: 11 min
- All posts: https://omniakey.com/blog/llms.txt

---

2026年10月24日更新：Jev 1.14 を追加しました。`jev-latest` で提供中です。

**Jev モデル**は TypeSafe AI の System One Model です。テキストまたは JSON の `state` と型付きの質問を送ると、文章ではなく型付きの答えが返ります。`model: "jev-latest"` で呼び出せ、現在は Jev 1.14。入力100万 token あたり $0.042、出力無料、1リクエスト64K token です。

そのため Jev は、分類、振り分け、ランキング、検証、ガードレールに向いています。ただし、チャットモデル、コーディングモデル、計算機、決定論的な業務ルールの代わりにはなりません。

> **OmniaKey ですぐに利用可能。2026年10月24日に事実確認。** TypeSafe の early access 申請や waitlist の承認待ちは不要です。現在のバージョンは `jev-1.14.0` で、`jev-latest` として提供しています。この Jev モデル解説の料金、制限、レイテンシ、能力に関する数値は、TypeSafe のリリース記事と公式ドキュメントに基づきます。9月20日の smoke test では `jev-1.13.0` から HTTP 200 を確認しましたが、これは接続確認であり、レイテンシ、calibration、品質の独立 benchmark ではありません。

## Jev モデル解説：概要

|項目|現在の情報|
|-|-|
|開発元|TypeSafe AI|
|モデル分類|System One Model|
|現在のバージョン ID|`jev-1.14.0`|
|エイリアス|`jev-latest`（SDK の既定）と `jev-preview`。どちらも 1.14.0|
|TypeSafe 直結エンドポイント|`POST https://api.typesafe.ai/v1/systemone`|
|OmniaKey エンドポイント|`POST https://api.omniakey.com/v1/alpha/search`|
|入力|既定はテキスト。文字列、JSON オブジェクト、テキスト値の配列で指定。1.14 の画像入力は任意で有効化|
|出力|型付きの `Choice`、`Score`、`Noul` 回答。1.14 の `Box` は実験的|
|コンテキスト|1リクエスト64K token。`state` と最長の質問の合計は32Kまで|
|直結 API 料金|入力100万 token あたり $0.042。出力は現在無料|
|公開デフォルト上限|入力250,000 token/秒、1,200リクエスト/分。変更の可能性あり|
|ベンダーのレイテンシ主張|エンドツーエンド70–500 ms|
|公開段階|2026年10月14日から Jev 1.14。`jev-1.13.0` も利用可|

公式表記は **Jev** で、J-E-V と展開する頭字語ではありません。TypeSafe は、経済学者 William Stanley Jevons にちなんだ名称だと説明しています。「System One」は Daniel Kahneman の _Thinking, Fast and Slow_ に登場する、高速で直感的な System 1 に由来します。

## Jev 1.14 の新機能は？

Jev 1.14（`jev-1.14.0`）は2026年10月14日から安定版で、`jev-latest` と `jev-preview` はどちらもこのバージョンを指します。料金と既定の上限は変わらず、新しいのはリクエスト単位で有効にする2つの実験機能です。

|項目|Jev 1.13|Jev 1.14|
|-|-|-|
|状態|ID を固定すれば利用可|2026年10月14日から現行版|
|料金|入力100万 $0.042|入力100万 $0.042|
|既定の上限|64K、質問1つ32K|64K、質問1つ32K|
|実験機能|なし|画像素材、Box 質問、262K コンテキスト|

どちらも TypeSafe が「danger zone」と呼ぶヘッダーで有効にします。`TypeSafe-Danger-Zone-Images: true` を付けると画像素材と新しい Box 質問型が使え、Box は画像内の座標を返します。`TypeSafe-Danger-Zone-Long-Context: true` を付けると、1リクエストと1質問あたり262K token まで広がります。既定はオフなので、付けなければ何も変わりません。TypeSafe のリリース記事（2026年10月24日確認）はどちらも自己責任で使うよう書いています。私たちも OmniaKey 経由でこの2つのヘッダーはまだ試していません。

`jev-1.13.0` を指定したリクエストはそのまま動き、既定の本文も `state`、`questions`、任意の `model` で変わりません。戻すのは1行の変更なので、まず自分の実タスクを 1.14 で流し、それから本番を移してください。

## Jev は実際に何をするのか

Jev は確率的な意味判断関数と考えると分かりやすいでしょう。

```text
非構造または構造化された状態
  + 事前定義した質問と回答空間
  -> 型付き判断と確率分布
```

一般的な LLM は、系列を続けて文字列を生成するよう最適化されています。JSON mode でも、アプリケーションは生成モデルに回答を組み立てさせています。Jev は自由文生成を手放し、呼び出し側が先に出力形式を定義します。そのうえで、同じ state に対して各質問を評価します。

TypeSafe は学習手法を **Reinforcement Learning for Calibrated Decisions（RLCD）** と説明しています。目的は答えを選ぶだけでなく、複数の予測群で信頼度と正解率が対応する確率を出すことです。Calibration は統計的な性質です。0.8という確率は、同等のケース全体でおよそ80%の正解率に対応すべきだという意味で、特定の1回答が正しいことを保証しません。

## Choice、Score、Noul

Jev には3種類の質問があります。生成後に追加する整形オプションではなく、API の中心的な機能です。

|Primitive|質問の形|返り値|適した用途|
|-|-|-|-|
|`Choice`|どの選択肢が該当するか|選択結果、全選択肢の確率、信頼度|意図ルーティング、分類、閉じた集合のランキング|
|`Score`|定義済みの尺度上でどこに位置するか|加重スコア、各レベルの確率、信頼度|深刻度、品質、緊急度、リスク帯|
|`Noul`|この命題は真か|0から1の確率|検出、検証、二値ゲート|

`Choice` は最大255個の選択肢を持てます。`Score` は2〜10個の説明付きレベルを受け取ります。`Noul` には別の信頼度フィールドがなく、0から1の値自体が「yes」の確率です。

1リクエスト内の複数質問は、同じ state に対して独立かつ並列に評価されます。複数の信号が必要なワークフローでは便利ですが、ある回答が別の回答の条件になるわけではありません。質問Bが質問Aに依存する場合は、その依存関係をコードで明示する必要があります。

## Jev API のリクエスト例

次の短い例は、TypeSafe の公式リクエスト形式を OmniaKey に送ります。1件のサポートメッセージを、担当部署、顧客の不満、緊急度について1回の呼び出しで評価します。

```bash
curl https://api.omniakey.com/v1/alpha/search \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "My payouts have failed for three days and I am losing sales. Please help now.",
    "model": "jev-latest",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
          "billing": "Payments, invoices, or refunds",
          "technical": "Bugs, outages, or integrations",
          "sales": "Pricing, upgrades, or new accounts"
        }
      },
      "frustration": {
        "type": "score",
        "instructions": "How frustrated is the customer?",
        "criteria": ["Calm", "Frustrated", "Very angry"]
      },
      "is_urgent": {
        "type": "noul",
        "instructions": "Does this message convey urgency?"
      }
    }
  }'
```

レスポンスでは同じ質問 ID が維持されます。`department` は許可された3文字列のいずれかと、3つすべての確率分布を返します。`frustration` は指定レベルの確率加重位置なので小数になり得ます。`is_urgent` は yes の確率だけを返します。

具体的な値は、入力、criteria、モデルバージョンによって変わります。行動に移す確率の閾値を決めるのは、モデルではなくアプリケーションコードです。

## Jev、LLM、分類器の違い

Jev は両者の中間にある便利な選択肢ですが、違いを理解する必要があります。

|観点|Jev|生成 LLM|従来の分類器|
|-|-|-|-|
|主な役割|境界のある意味判断|自由文での生成や推論|1つの固定タスク向けに学習したラベル予測|
|出力空間|リクエストごとに定義|Schema で制約しても本質的には開放的|学習時に固定|
|新しい評価基準|リクエスト内に記述|Prompt または tool schema|通常はデータ収集と再学習が必要|
|確率|API の第一級出力|得られないか、calibration が弱いことが多い|モデルが公開すれば一般的|
|テキスト生成|なし|あり|なし|
|最適な役割|ワークフロー内の意味分岐|作成、説明、コーディング、多段推論|ラベル付きデータがある安定した大量処理|

Jev を「単なる分類器」と呼ぶと、リクエスト時に基準を変えられる柔軟性を見落とします。「高速な LLM」と呼ぶと、説明、メール、コードを書けず、指定外の新しい答えを作れない点を見落とします。Liquid AI の d1 モデルも同じ種類の限定的な判断を行い、オープンウェイトとしても公開されています。詳しくは[Liquid AI d1 APIレビュー](https://omniakey.com/ja/blog/liquid-ai-d1-open-models-api-local-deployment)をご覧ください。

JSON mode とは別の仕組みです。JSON mode は生成テキストの構文を制約します。Jev は回答空間そのものを制約し、判断に用いた全確率分布を返します。これは問題を選択肢のある質問で表現できる場合にだけ価値があります。

## Jev APIの料金

TypeSafe は Jev 1.14 を、1.13 と同じ**入力100万 token あたり $0.042**、つまり10億 token あたり $42 としています。出力は「計測するには安すぎる」として無料ですが、レスポンスには出力 token 使用量が記録されます。

|入力量|Jev 直結の入力料金|
|-:|-:|
|10,000 token|$0.00042|
|100万 token|$0.042|
|1億 token|$4.20|
|10億 token|$42.00|

これらは算術上の例で、請求書の実測ではありません。retry、前処理、cascade 内の別モデル、保存、開発工数、将来の料金変更は含みません。

## Jevのコンテキスト長とレート制限

|公式 Jev 1.14 の既定上限|対象|
|-|-|
|64K tokens|1リクエスト内のstateと全questions|
|32K tokens|stateと最長の質問1つの合計|
|250,000 tokens/s|現在の公式アカウントのtoken処理量。変更の可能性あり|
|1,200リクエスト/分|現在の公式アカウントのリクエスト数。変更の可能性あり|
|既定はテキストのみ|文字列やテキストを含む JSON。1.14 では danger zone ヘッダーで画像入力も可。音声・動画は不可|

コンテキストには同時に2つの制限があります。state と全質問の合計は64K token 以内、state と最長の1質問の合計は32K以内です。長いコンテキストが常に有利とは限りません。TypeSafe 自身の jaggedness ガイドも、無関係な詳細が増えると精度が下がると説明しています。

公開されている250,000 token/秒と1,200リクエスト/分はアカウント単位の上限で、1リクエストの速度保証ではありません。TypeSafe は early access 中に動的に変更していると明記しています。

これらはTypeSafe直結の上限です。OmniaKeyアカウントには独自のアクセス条件、価格、レート制限があり得ます。完全なリクエスト、応答フィールド、Python/Node.js、エラー処理は[Jev API接続ガイド](https://omniakey.com/ja/blog/jev-api-guide)を参照してください。

## 速度の主張はどこまで強いか

TypeSafe は**エンドツーエンド70–500 ms**を報告し、「System One 型」の問いでは同等の知能を持つ frontier model より**40–200倍高速**になり得るとしています。公開資料では、Jev が193.6倍高速、444.6倍安価だったワークフロー評価も強調されています。

これらは中立な benchmark ではなく、ベンダーによる結果です。TypeSafe は次の重要な制限を開示しています。

1. 公開レイテンシ測定の多くは、サービスと同じ米国西海岸にいた社員の laptop から実行されました。
2. ワークフローの課題は TypeSafe の model-capabilities team が作成しており、選択バイアスの可能性があります。
3. 参照回答は GPT-6 Astra と Fable 5.1 の平均で、そのモデル系統に有利な可能性があります。
4. 比較対象の LLM は OpenRouter と TypeSafe の構造化 wrapper 経由で呼び出されました。
5. TypeSafe 自身が193.6倍と444.6倍を、現実に期待できる改善幅の上限側と説明しています。

妥当な結論はより限定的です。Jev の制約付き出力と並列評価は、選択肢の決まった判断を非常に低いレイテンシとコストで処理できる可能性を示します。一方、すべてのタスクで40–200倍速いこと、frontier LLM と一般知能が同等であること、生成や多段推論に優れることは証明していません。

## 「幻覚ゼロ」は正確に定義する必要がある

TypeSafe は Jev が hallucination を起こさないと宣伝しています。最も妥当なのは **schema safety** の意味です。`Choice` が4つ目の選択肢を捏造したり、コードが数値を期待する箇所で文章を返したりしません。TypeSafe は、この出力一致は経験的なゼロエラー率ではなく、構造上保証されると説明しています。

しかし、型として正しい答えでも意味的には誤っていることがあります。TypeSafe の Jev 1.13 ドキュメントには次の失敗例があります。

- 字面どおりに読みすぎて暗黙の意図を見落とす。
- 数え上げ、算術、日付、数値精度が不安定。
- 多段の間接推論が苦手。
- 無関係な詳細を含む長い state で精度が低下する。
- 敵対的コンテンツや prompt injection の影響を受ける。
- instructions と criteria が矛盾すると混乱する。
- 別々に表現した質問間で、確率が直感的な恒等式を満たさないことがある。
- テキスト生成が必要なあらゆるタスクに不向き。

したがって実務上の主張は、**スキーマ外の生成がゼロという意味であり、判断ミスがゼロという意味ではありません**。本番コードには、評価データ、保守的な閾値、決定論的な検証、エスカレーション経路が依然として必要です。

## Jev が適する場所

回答空間が有限で、判断が数学ではなく意味に関するもので、結果を別のソフトウェアが利用する。この3条件がそろうと Jev は有力な候補です。

|ワークロード|Jev が適する理由|重要なガードレール|
|-|-|-|
|サポートチケットのルーティング|チームが閉じた集合で、不確実性も利用できる|`other` を追加し、低信頼度は人が確認|
|RAG passage のフィルタ|関連性、矛盾、injection risk を評価できる|原典確認はモデル外で行う|
|LLM 入出力ガードレール|多数の狭い検査を1リクエストで実行できる|敵対入力を正式な threat model としてテスト|
|Entity matching|2件の記録が同一対象かを評価できる|正確な ID と invariant はコードで保証|
|コンテンツ moderation|ラベルと深刻度を事前定義できる|harm category ごとに閾値を調整|
|Agent action routing|tool の選択や skill 適用の要否を判断できる|権限と破壊的操作の確認はコードに残す|

文章作成、要約、コード生成、開放的な抽出、正確な算術、日付比較、長い因果推論の既定値には向きません。厳密なロジックには通常のコードを使い、出力そのものを作る必要がある場合は生成モデルまたは推論モデルを使います。

## 本番導入チェックリスト

1. **決定論的な処理はコードに残す。** 日付解析、件数、金額計算、権限確認にモデルは不要です。
2. **質問を原子的にする。** 「この申請を承認するか」を、判断に必要な独立した事実へ分解します。
3. **上限をすべて記述する。** Choice が網羅的でなければ `other` や `none` を加え、Score の各レベルを具体化します。
4. **自社データで検証する。** 主な学習言語は英語です。TypeSafe は CJK を含む他言語が同じ精度ではないと説明しています。
5. **予測ではなく行動を calibration する。** 元に戻せる画面操作と重大な自動処理で、同じ信頼度閾値を使わないでください。
6. **調整後はバージョンを固定する。** `jev-latest` は更新されます。レスポンスのバージョン ID を記録し、閾値を意図的に移行します。
7. **不確実性をエスカレーションする。** 曖昧なケースは強制決定せず、人または遅い推論モデルへ送ります。
8. **受理タスク単位のコストを測る。** token 料金だけでなく、retry、誤判断、人手確認、後段 LLM 呼び出しを含めます。

## Jev は OmniaKey で利用できるか

利用できます。Jev は OmniaKey から `jev-latest` として提供中です。この ID は今 Jev 1.14 を指します。OmniaKey は ID をそのまま TypeSafe に渡すので、新しい版が出ても接続し直す必要はありません。TypeSafe の early access 申請や waitlist の承認待ちは必要ありません。[API キー画面](https://omniakey.com/ja/dashboard/tokens)で用途別のキーを作成すれば、すぐに呼び出せます。カタログの項目は[Jev 1.14 のモデルページ](https://omniakey.com/ja/jev-latest)にあります。

Jev ネイティブのリクエスト本文を `POST https://api.omniakey.com/v1/alpha/search` に送信します。これは OpenAI Chat Completions ではなく Jev 専用エンドポイントなので、上の `state` と `questions` 形式を維持してください。9月20日の smoke test では HTTP 200、解決後のモデル `jev-1.13.0`、型付き `answers`、token `usage` を確認しました。同じリクエストは今 `jev-1.14.0` に解決されます。開放的なコーディングや Agent 作業には、技術スタックの別の層を扱う[コーディング Agent モデルガイド](https://omniakey.com/ja/blog/best-llm-coding-agents)があります。

## 最終評価

ここまでの Jev モデル解説をまとめると、Jev は万能 LLM の代替ではなく、意味判断のための新しい interface と捉えるのが適切です。曖昧な判断をモデルに任せ、出力をプログラムが理解できる型に限定し、不確実性を公開し、組み合わせと厳密なロジックはコードに残す。この発想が最大の価値です。

現在の API は紙面上では非常に安価で、低レイテンシ向けに設計されています。一方で early access、既定はテキストのみ、英語が最も強く、数学、日付、間接推論、無関係な context、敵対入力に弱いことも公式に記録されています。同条件の独立テストが出るまでは、速度と知能の比較はベンダーの主張として扱うべきです。

## よくある質問

### Jev は LLM ですか？

TypeSafe は Jev を LLM ではなく System One Model と呼んでいます。自然言語の state は理解しますが、自由文は生成しません。確認した公開資料には十分な architecture 情報がなく、内部ネットワークが従来の言語モデルとどの程度近いかを独立に断定できません。

### Jev は GPT や Claude を置き換えられますか？

いいえ。Jev は文章作成、説明、コーディング、開放的な生成を行えません。生成モデルを補完し、リクエストの振り分け、出力検査、答えの採点、遅いモデルを呼ぶべきかの判断に使えます。

### Choice、Score、Noul とは何ですか？

Choice は閉じた集合から選び、全選択肢の確率を返します。Score は state を説明済みの2〜10段階に配置します。Noul は yes/no 命題が真である確率を返します。

### Jev は本当に幻覚ゼロですか？

宣言した回答型の外にある値を生成できないため、多くの解析エラーや Schema エラーを防ぎます。それでも、誤った有効選択肢を選んだり、誤解を招く確率を返したりする可能性があります。型安全は意味的な正しさではありません。

### Waitlist を待たずに Jev API を使うには？

OmniaKey API キーを作成し、Jev ネイティブのリクエスト本文を `POST https://api.omniakey.com/v1/alpha/search` に送り、`model` を `jev-latest` に設定します。TypeSafe の別アカウントや early-access の承認は不要です。

### Jev API の料金はいくらですか？

TypeSafe は Jev 1.14 を入力100万 token あたり $0.042、出力を現在無料としています。Early access 中は直結料金と rate limit が変わる可能性があります。

### `jev-latest` は今どのバージョンですか？

Jev 1.14（`jev-1.14.0`）です。`jev-preview` も今は同じビルドを指します。固定したいときはリクエストで `jev-1.13.0` または `jev-1.14.0` を指定してください。

### Jev は画像や日本語に対応していますか？

既定はテキストのみです。文字列、JSON オブジェクト、配列も最終的にはテキストを含む必要があります。Jev 1.14 は `TypeSafe-Danger-Zone-Images: true` ヘッダーの後ろに画像素材を追加しており、TypeSafe はこれを実験機能と位置づけています。日本語などの CJK 文字も入力できますが、TypeSafe は現状英語が最も強いとしており、英語以外は自社データで評価する必要があります。

### Jevは無料ですか？

確認時点の公式直結は入力100万tokensあたり$0.042で、出力tokensは無料です。出力無料はリクエスト全体が無料という意味ではありません。試用、付与クレジット、ゲートウェイ料金には個別条件があるため、全員に無料枠があると仮定せずアカウントの案内を確認してください。

### Jevのパラメータ数はいくつですか？

TypeSafe のモデルページ（2026年10月24日確認）にはコンテキストと入力形式が記載されていますが、パラメータ数はありません。64Kと32Kはtoken制限で、モデルのパラメータ数ではありません。重みの容量やローカル実行用ハードウェアを推測する材料にはできません。

## 一次情報

- [TypeSafe: Jev 1.14 リリース記事（英語）](https://typesafe.ai/blog/jev-1-14)（2026年10月24日確認）
- [TypeSafe: Introducing System One Models & Jev（英語）](https://typesafe.ai/blog/introducing-system-one-models-and-jev)
- [TypeSafe ドキュメント: Introduction（英語）](https://docs.typesafe.ai/introduction)
- [TypeSafe ドキュメント: System One（英語）](https://docs.typesafe.ai/concepts/system-one)
- [TypeSafe ドキュメント: Models and pricing（英語）](https://docs.typesafe.ai/models)（2026年10月24日確認）
- [TypeSafe ドキュメント: HTTP API reference（英語）](https://docs.typesafe.ai/api)
- [TypeSafe ドキュメント: Confidence（英語）](https://docs.typesafe.ai/confidence)
- [TypeSafe ドキュメント: Jev 1.13 jaggedness（英語）](https://docs.typesafe.ai/model-jaggedness/jev-1.13)

_料金、上限、Jev 1.14 の詳細は2026年10月24日に再確認しました。以前のゲートウェイsmoke testは9月20日のもので、この更新は新たな有料テストではありません。Jev は変化が速いため、本番前にバージョンIDとアカウント条件を再確認してください。_